Практически окончательный переход рынка систем безопасности на цифровые технологии привел к возникновению новых тенденций видеонаблюдения. Если раньше видеоаналитика воспринималась, как дополнение к основным функциям в системах безопасности, то в 2016-17 годах аналитический функционал окончательно сформировал свой собственный рынок. Основное направление развития аналитических систем в 2018 года, видится многим специалистам, в виде повышения уровня кибербезопасности, как с точки зрения хранения полученной информации (в том числе и на облачных сервисах), так и при передаче сигнала от видеокамер к видеосерверам. Кроме того наблюдается тенденция востребованности специальных автономных программ по шифрованию видеоданных. Большинство пользователей хочет быть уверенным в конфиденциальности имеющихся данных, независимо от того сохраняются они на облачном сервисе, мощным видео сервере или бюджетном [link_webnavoz]видеорегистраторе[/link_webnavoz].
[contents]
[expert_bq id=7444]ВАЖНО! В 2018 году системы видеонаблюдения и дальше будут развивать, и совершенствовать собственные подсистемы безопасности. Многоуровневое разграничение доступа, двухуровневое шифрование данных (при передаче и хранении) и персонифицированный контроль доступа. Кроме того многие специалисты безопасники предрекают переход со статических шифров на более сложные системы шифрования с открытым ключом и динамически изменяющимся кодом.[/expert_bq]
Искусственный интеллект в системах безопасности и СКУД
Основная область применения видеонаблюдения, это система безопасности. Если раньше автоматизации подвергался только сам процесс «наблюдения» (особенно с использованием [link_webnavoz]поворотных ptz камер[/link_webnavoz], которые настраивали на патрулирование определенной территории), то на данный момент более актуальной становится функция автоматического определения в нештатных ситуациях, их регистрация и подача тревожного сигнала оператору. В некоторых случаях такая автоматизированная система не требует особых аналитических ресурсов и сложных алгоритмов. К примеру, закрытые зоны в аэропортах, на вокзалах или на режимных объектах. Если в этой зоне запрещено нахождение не только постороннего, а вообще любого человека, то его обнаружение сразу же расценивается системой как инцидент. Вместе с тем использование на данных объектах менее затратных устройств типа [link_webnavoz]датчиков движения[/link_webnavoz] довольно проблематично, так как многочисленные внешние факторы воздействия будут постоянно вызывать ложные срабатывания. В свою очередь это потребует либо систематического выезда на срабатывание оперативной группы, либо установки видеокамеры для дистанционной проверки сигнала тревоги. Сама же видеокамера может быть настроена обычными сервисными средствами на подачу сигнала тревоги в случае изменения статичной картинки. После привлечения внимания оператора он сам будет решать является ли текущие изменение инцидентом или ложным срабатыванием.
Техническое развитие видеонаблюдения приводит к тому, что камеры из средства дублирования систем безопасности превращаются в основной инструмент. Речь идёт о программных и аппаратных [link_webnavoz]детекторах движения[/link_webnavoz], которые в сочетании со светочувствительными матрицами способны эффективно функционировать в ночное время.
Современные злоумышленники для [link_webnavoz]проникновения[/link_webnavoz] на территорию охраняемого объекта, кроме технических средств, пытаются использовать приемы социальной инженерии. Они выбирают время, когда дежурит охранник, который может заснуть на посту, время пересменки и т.п. То есть, оператор узнает о несанкционированном проникновении уже после, того как событие свершилось. Однако, современные системы видеонаблюдения осуществляют постоянный анализ получаемого изображения. Они поднимают тревогу, привлекая внимание охранников, в случае возникновения инцидента описанного программой:
- Проникновение на запрещённую территорию;
- Возникновение объекта движущегося с определенной скоростью или наоборот, чьи скоростные характеристики выходят за заданные границы;
- Объект имеет определённый форм-фактор (к примеру, модель или тип автомобиля);
- Сработает [link_webnavoz]система распознавания лиц/номеров[/link_webnavoz] и т.п.
Дальнейшее развитие видеоаналитики приведет к изменению направления анализа. Если раньше анализировалась изображение в целом, в основном количество статических объектов на контролируемые территории, то с увеличением аналитических возможностей программного обеспечения появляется возможность для определения более сложных составляющих объекта. Таких, как его форма, скорость, направление движения, цвет. Всё это позволяет более эффективно обнаруживать, фиксировать и оперативно реагировать на возникающие инциденты.
В более далекой перспективе видеоаналитика в системах видеонаблюдения должна перейти с анализа поступающих данных на прогнозирование. Имея исходные данные от множества ранее зафиксированных инцидентов, система сможет с определенной вероятностью спрогнозировать дальнейшее развитие событий. К примеру, наличием масок на лицах людей (данная функция является далеко не самой сложной даже для существующих систем распознавания лиц) с большой долей вероятности является одним из факторов совершения противоправных действий.
Если предположить, что видеонаблюдение уже сейчас является одной из составляющих общей системы безопасности, то дальнейшее развитие автоматизации и управления контроля доступа, вполне можно использовать для предотвращения преступных действий. Система безопасности в автоматическом режиме просто блокирует двери перед промышленниками. В идеальном варианте режимные объекты должны быть оборудованы специальным защищённым тамбуром, где злоумышленники и будут блокированы до приезда представителей правоохранительных органов.
Объединение систем безопасности на информационном и физическом уровне нашло свое отображение в системе управления инцидентами (SIEM), которая на данный момент активно разрабатывается несколькими крупными компаниями. В соответствии с тенденциями функционирования SIEM выявление инцидентов на территории охраняемого объекта автоматически запускает срабатывание аналитической системы видеонаблюдения. В зависимости от заданных параметров, она может вывести на монитор службы безопасности информацию о вошедших в здании людях за определенный период времени (к примеру, за последние 10 минут со времени регистрации инцидента). Это даст возможность оперативно идентифицировать правонарушителя.
Глубокое обучение аналитического ПО
Программно-аппаратные комплексы, использующие цифровое видео для анализа данных, получают все большее распространение. Если 2016 года, в силу своей дороговизны и сложности восприятия, они использовались исключительно большими корпорациями, которые могли выделить для обслуживания соответствующую технику и персонал. То, начиная с середины 2017 г. благодаря функции глубокого обучения данные аналитические программы стали более дружественны к конечному пользователю и не требуют ввода большого объёма предварительных данных или выделения специально обученного персонала.
Глубокое или глубинное обучение, по своей сути, имитирует работу нейронов человеческого мозга. Полученные от системы сетевого видеонаблюдения данные поэтапно анализируется, каждый раз на более высоком уровне. Большой объём видеоданных подвергается анализу на основе сложных алгоритмов распознания и классификации. Глубокое обучение имеет ряд существенных отличий от традиционных систем анализа данных:
- Работа с огромным объемом информации (система сетевого видеонаблюдения может состоять из сотен камер);
- Применение особой сетевой архитектуры на основе усовершенствованных процессоров повышенной мощности.
В 2018 году тенденция к переходу на глубокое обучение систем муниципального видеонаблюдения будет не только сохраняться, но и станет более доступной и распространенной. Кроме того, под эти задачи будет выпускаться специализированное оборудование. К примеру, уже сейчас некоторые модели камер Hikvision могут содержать в своей [link_webnavoz]оперативной памяти[/link_webnavoz] данные от нескольких сотен, до тысяч лиц. Такая эффективность становится возможной благодаря внедрению новых алгоритмов сжатия видеоданных. Начиная с 2017 года, множество производителей видеокамер начали переход на аппаратное сжатие с использованием самых эффективных кодеков. На данный момент, это Н.265+, который является естественным продолжением развития кодека digital video recorder н.264. В дальнейшем такая тенденция сохранится, и нам остается ждать появление более совершенных версий программ сжатия видеоданных.
Выводы
В 2018 году индустрия видеонаблюдение будет и далее развиваться в направлении усовершенствование алгоритмов аналитических программ, а также расширения их функциональности. Состоится более тесное объединение с системами управления контроля доступа для оперативного реагирования на противоправное действие. Будут дальше развиваться и совершенствоваться системы муниципального видеонаблюдения, основанные на искусственном интеллекте и глубоком обучении.